Onderzoekers ontwikkelen computeralgoritme geïnspireerd door het mammale olfactiesysteem

Onderzoekers van de Cornell University hebben een computeralgoritme ontwikkeld dat geïnspireerd is door het mammale olfactiesysteem. Wetenschappers hebben lange tijd gezocht naar verklaringen voor hoe zoogdieren leren en geuren identificeren. Het nieuwe algoritme biedt inzicht in de werking van de hersenen, en door het toe te passen op een computerchip kan het snel en betrouwbaar patronen leren, beter dan de huidige machine learning-modellen.

Thomas Cleland is een professor in de psychologie en senior auteur van de studie getiteld “Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit“, gepubliceerd in Nature Machine Intelligence op 16 maart.

“Dit is het resultaat van meer dan een decennium van studie naar de olfactiebulb-circuitry bij knaagdieren en proberen te begrijpen hoe het werkt, met het oog op dingen die we weten dat dieren kunnen doen wat onze machines niet kunnen”, zei Cleland.

“We weten nu genoeg om dit te laten werken. We hebben een computationeel model gebouwd op basis van deze circuitry, sterk beïnvloed door dingen die we weten over de biologische systemenconnectiviteit en -dynamica”, vervolgde hij. “Dan zeggen we, als dit zo is, zou dit werken. En het interessante is dat het werkt.”

Intel (INTC ) Computer Chip

Cleland werd vergezeld door co-auteur Nabil Imam, een onderzoeker bij Intel, en samen pasten ze het algoritme toe op een Intel-computerchip. De chip heet Loihi en is neuromorf, wat betekent dat het geïnspireerd is door de functies van de hersenen. De chip heeft digitale circuits die de manier nabootsen waarop neuronen leren en communiceren.

De Loihi-chip vertrouwt op parallelle cores die communiceren via discrete spikes, en elk van deze spikes heeft een effect dat kan veranderen afhankelijk van de lokale activiteit. Dit vereist andere strategieën voor algoritme-ontwerp dan wat wordt gebruikt in bestaande computerchips.

Door het gebruik van neuromorfische computerchips kunnen machines een thousand keer sneller werken dan een computer’s centrale of grafische verwerkingseenheden bij het identificeren van patronen en het uitvoeren van bepaalde taken.

De Loihi-onderzoekschip kan ook bepaalde algoritmen uitvoeren terwijl het ongeveer een thousand keer minder stroom verbruikt dan traditionele methoden. Dit is goed geschikt voor het algoritme, dat invoerpatronen van verschillende sensoren kan accepteren, patronen snel en opeenvolgend kan leren en elke betekenisvolle patroon kan identificeren, zelfs met sterke sensorische interferentie. Het algoritme kan met succes geuren identificeren en kan dit doen wanneer het patroon 80% verschilt van het patroon dat oorspronkelijk door de computer is geleerd.

“Het patroon van het signaal is aanzienlijk vernietigd”, zei Cleland, “en toch kan het systeem het herstellen.”

Hersenen van zoogdieren

De hersenen van een zoogdier kunnen geuren identificeren en onthouden, en er kunnen duizenden olfactorische receptoren en complexe neurale netwerken werken om de patronen te analyseren die geuren produceren. Een van de dingen die zoogdieren beter kunnen doen dan kunstmatige intelligentiesystemen, is het behouden van wat ze hebben geleerd, zelfs wanneer er nieuwe kennis is. Bij diepe leerbenaderingen moet het netwerk alles tegelijk worden gepresenteerd, omdat nieuwe informatie het systeem kan beïnvloeden of zelfs vernietigen wat het eerder heeft geleerd.

“Wanneer je iets leert, onderscheidt het permanent neuronen”, zei Cleland. “Wanneer je een geur leert, worden de interneuronen getraind om te reageren op specifieke configuraties, dus krijg je die segregatie op het niveau van interneuronen. Dus aan de machinekant versterken we dat en trekken we een duidelijke lijn.”

Cleland sprak over hoe het team nieuwe experimentele benaderingen ontwikkelde.

“Wanneer je een biologisch proces bestudeert dat complexer en ingewikkelder wordt dan je kunt intuïtief begrijpen, moet je je geest disciplineren met een computermodel”, zei hij. “Je kunt het niet vaag houden. En dat leidde ons naar een aantal nieuwe experimentele benaderingen en ideeën die we niet zouden hebben bedacht door alleen maar naar het te kijken.”